PARC2026に挑戦した話

PARC2026は、ロボットに言葉で指示を出すと体を動かすVLAモデルの性能を競うコンペティションです。カメラ映像と指示文を入力とし、ロボットアームの動きを出力するモデルを開発します。関連講座の応募者数から、その注目度の高さが伺えます。

• PARC2026（Physical AI Robot Challenge 2026）は、ロボットに指示を出し、その通りに動かすVLAモデルの性能を競うコンペティションである。
• コンペティションでは、カメラ映像と指示文を入力とし、ロボットアームの動きを出力するモデルの開発が求められる。
• 配布されたサンプルモデル（0.0633）に対し、モデルの推論結果を繋ぐ「temporal ensemble」の工夫で公式スコア0.28844（約4.5倍）を達成した。
• モデル自体は変更せず、出力の扱い方（後処理）で性能を向上させた点が特徴である。
• データ収集では、自動成功記録の利用、失敗した「過去の動きの再生」、teleopデータの追加を試したが、最終的に公式データを選別して使用した。